سه مجموعه آموزش خوب برای شروع کار توی حوزه علم داده:
- Machine Learning for Beginners
- Data Science for Beginners
- Artificial Intelligence for Beginners
@NeuralComputations
- Machine Learning for Beginners
- Data Science for Beginners
- Artificial Intelligence for Beginners
@NeuralComputations
microsoft.github.io
Machine Learning for Beginners
Introduction to Machine Learning for Beginners
❤3🔥1
Media is too big
VIEW IN TELEGRAM
آموزش شبکه های عصبی. جلسه5 . جلسه پایانی
مدرس: دکتر مهدی اله یاری
#Neural_Network
@NeuralComputations
مدرس: دکتر مهدی اله یاری
#Neural_Network
@NeuralComputations
👍2
نوبتی هم باشه نوبت منابع کنکوری برای عزیزای علوم شناختی هستش
بزودی برای این بچه ها منابع خوبی میزارم که قول میدم جایی نمیتونی پیداش کنی
بیشتراز ۵۰ تا مایند مپ دارم که خودم نوشتمش وهمینطور پی دی اف کتابها خلاصه هرمنبعی که دارم ومیدونم برای کنکوری ها مفیده💙
@Neouroscienc
بزودی برای این بچه ها منابع خوبی میزارم که قول میدم جایی نمیتونی پیداش کنی
بیشتراز ۵۰ تا مایند مپ دارم که خودم نوشتمش وهمینطور پی دی اف کتابها خلاصه هرمنبعی که دارم ومیدونم برای کنکوری ها مفیده💙
@Neouroscienc
❤9👍1
This media is not supported in your browser
VIEW IN TELEGRAM
وقتی که جنین از کیسه ی آب بیرون میاد❤
اونقدر بابت دیدنش ذوق کردم که خواستم شماهم ببینید🫠☺️
@Neouroscienc
اونقدر بابت دیدنش ذوق کردم که خواستم شماهم ببینید🫠☺️
@Neouroscienc
😍4👍2😭2🔥1
مطالعه جدید: اضطراب ۲۰ سالگی، در ۴۰ سالگی عملکرد شناختی را کاهش میدهد
مطالعه جدید در دانشگاه کالیفرنیا سانفرانسیسکو نشان میدهد که جوانانی که دارای سطوح بالاتر اضطراب هستند که با چاقی، عدم تحرک بدنی، بیماری مزمن، استرس و سیگار کشیدن مرتبط است، ممکن است دچار کاهش عملکردهای شناختی خود در میانسالی شوند.
محققان قبلاً اضطراب بالاتر در افراد مسن را با زوال عقل مرتبط میدانستند. اما این یکی از اولین مطالعاتی است که اضطراب در اوایل بزرگسالی را با تواناییهای شناختی پایینتر در میانسالی مرتبط میکند.
@Neouroscienc
مطالعه جدید در دانشگاه کالیفرنیا سانفرانسیسکو نشان میدهد که جوانانی که دارای سطوح بالاتر اضطراب هستند که با چاقی، عدم تحرک بدنی، بیماری مزمن، استرس و سیگار کشیدن مرتبط است، ممکن است دچار کاهش عملکردهای شناختی خود در میانسالی شوند.
محققان قبلاً اضطراب بالاتر در افراد مسن را با زوال عقل مرتبط میدانستند. اما این یکی از اولین مطالعاتی است که اضطراب در اوایل بزرگسالی را با تواناییهای شناختی پایینتر در میانسالی مرتبط میکند.
@Neouroscienc
👻4
Media is too big
VIEW IN TELEGRAM
🧠 سیستم عصبی انسان، مغزها و ماشینها
● اینترفیسهای مغز-کامپیوتر
● ترجمه و زیرنویس از نادیه افشاری
00:20 پیشینۀ "خوزه دلگادو" با "بیسیآی"ها
00:40 استفاده از "بیسیآی" برای کاهش پرخاشگری
00:57 چگونه مغز و سلولهای عصبی کار میکنند
03:00 تحریک ناحیههای مغز (قشر حرکتی)
03:51 "آرایههای یوتا" چگونه کار میکنند
05:17 اندازه گیری بیشینههای ولتاژ
06:06 چگونه "نورالینک اِن وان" کار میکند
08:20 چگونه اِستنتترود،تولیدی شرکت سینکرون، کار میکند
09:39 آیندۀ اسکلتهای بیرونی
09:55 آیا ما خودمان، به ماشین تبدیل میشویم؟
@NeuralComputations
● اینترفیسهای مغز-کامپیوتر
● ترجمه و زیرنویس از نادیه افشاری
00:20 پیشینۀ "خوزه دلگادو" با "بیسیآی"ها
00:40 استفاده از "بیسیآی" برای کاهش پرخاشگری
00:57 چگونه مغز و سلولهای عصبی کار میکنند
03:00 تحریک ناحیههای مغز (قشر حرکتی)
03:51 "آرایههای یوتا" چگونه کار میکنند
05:17 اندازه گیری بیشینههای ولتاژ
06:06 چگونه "نورالینک اِن وان" کار میکند
08:20 چگونه اِستنتترود،تولیدی شرکت سینکرون، کار میکند
09:39 آیندۀ اسکلتهای بیرونی
09:55 آیا ما خودمان، به ماشین تبدیل میشویم؟
@NeuralComputations
👍4🔥2💯1
Cognitive Neuroscience - Banich & Campton (2018).pdf
79.6 MB
کتاب علوم اعصاب شناختی (ویرایش 4 _ 2018)
ماری بنیچ و ربکا کامپتون
Cognitive Neuroscience
Marie T. Banich & Rebecca J. Compton (2018)
@NeuralComputations
ماری بنیچ و ربکا کامپتون
Cognitive Neuroscience
Marie T. Banich & Rebecca J. Compton (2018)
@NeuralComputations
🔥4
Programming-Hub-Pro-5.2.21.apk
26.7 MB
Programming-Hub-Pro-5.2.21.apk
*اندروید
👩🏻💻ویژگیهای برنامه:
● آموزش هوشمندانه و مرحله به مرحله برنامه نویسی
● یادگیری در قالب آموزش ها و بازی هایی سرگرم کننده
● پشتیبانی از انواع زبان های برنامه نویسی نظیر CSS، VB.net، Swift، C# (C Sharp)، Python و … (20 زبان متنوع)
● دوره های آموزشی تعاملی برای یادگیری هر چه بهتر مطالب
● بیش از 5 هزار کد از پیش تعیین شده
● تصاویر مبتنی بر مفهوم
● جست و جوی سریع کد های مورد نظر
@NeuralComputations
*اندروید
👩🏻💻ویژگیهای برنامه:
● آموزش هوشمندانه و مرحله به مرحله برنامه نویسی
● یادگیری در قالب آموزش ها و بازی هایی سرگرم کننده
● پشتیبانی از انواع زبان های برنامه نویسی نظیر CSS، VB.net، Swift، C# (C Sharp)، Python و … (20 زبان متنوع)
● دوره های آموزشی تعاملی برای یادگیری هر چه بهتر مطالب
● بیش از 5 هزار کد از پیش تعیین شده
● تصاویر مبتنی بر مفهوم
● جست و جوی سریع کد های مورد نظر
@NeuralComputations
👍2❤1
🔬 انواع شبکههای عصبی در پژوهشهای پروتئین
در اینجا نگاهی داریم به انواع مختلف شبکههای عصبی و حوزههای پژوهشی مربوط به آنها در زمینه پروتئین:
- DNN: ساختار پروتئین
شبکههای عصبی عمیق (Deep Neural Networks) برای تجزیه و تحلیل و پیشبینی ساختار سهبعدی پروتئینها استفاده میشوند. این شبکهها با یادگیری از دادههای بزرگ میتوانند ساختارهای پیچیده پروتئینی را به دقت شناسایی کنند.
- RNN: ساختار پروتئین، طبقهبندی پروتئین
شبکههای عصبی بازگشتی (Recurrent Neural Networks) به دلیل تواناییشان در پردازش توالیها، برای مدلسازی و طبقهبندی توالیهای اسیدهای آمینه در پروتئینها به کار میروند. این شبکهها میتوانند اطلاعات قبلی را به خاطر بسپارند و به همین دلیل برای تحلیل دادههای ترتیبی بسیار مفید هستند.
- شبکه عصبی اصلاح شده: ساختار پروتئین
نسخههای بهبود یافته شبکههای عصبی شامل تغییرات و بهینهسازیهایی هستند که دقت پیشبینی ساختار پروتئینها را افزایش میدهند. این بهبودها میتواند شامل تغییرات در معماری شبکه یا روشهای یادگیری باشد.
- شبکه عصبی پیچشی: عملکرد پروتئین، پیشبینی اتصال DNA-پروتئین
شبکههای عصبی پیچشی (Convolutional Neural Networks) برای تشخیص الگوها و ساختارهای محلی در دادههای تصویری به کار میروند. در زمینه پروتئینها، این شبکهها برای پیشبینی عملکرد پروتئین و تعاملات بین پروتئین و DNA استفاده میشوند.
- FNN: طبقهبندی اسیدهای آمینه
شبکههای عصبی پیشخور (Feedforward Neural Networks) سادهترین نوع شبکههای عصبی هستند که برای دستهبندی و شناسایی اسیدهای آمینه در پروتئینها به کار میروند. این شبکهها از طریق یادگیری از دادههای ورودی و خروجی به مدلسازی میپردازند.
- PNN: پیشبینی تعامل پروتئین-پروتئین
شبکههای عصبی احتمالی (Probabilistic Neural Networks) برای پیشبینی نحوه تعامل پروتئینها با یکدیگر طراحی شدهاند. این شبکهها از تکنیکهای آماری برای پیشبینی ارتباطات بین پروتئینها استفاده میکنند.
- ANN: پیشبینی مکان زیرسلولی پروتئین
شبکههای عصبی مصنوعی (Artificial Neural Networks) برای تعیین موقعیتهای زیرسلولی پروتئینها در سلول استفاده میشوند. این شبکهها میتوانند با تحلیل ویژگیهای پروتئینی، مکانهای احتمالی آنها را در سلول پیشبینی کنند.
- شبکه عصبی پرسپترون چندلایه (NN): پیشبینی اختلال پروتئین
شبکههای عصبی پرسپترون چندلایه (Multilayer Perceptron) برای شناسایی و پیشبینی اختلالات در پروتئینها به کار میروند. این شبکهها میتوانند اختلالات ساختاری و عملکردی پروتئینها را با دقت بالا شناسایی کنند.
- شبکه عصبی شعاعی: ساختار پروتئین
شبکههای عصبی شعاعی (Radial Basis Function Networks) برای تجزیه و تحلیل ساختار پروتئینها با دقت بالا استفاده میشوند. این شبکهها از توابع پایه شعاعی برای مدلسازی استفاده میکنند که در نتیجه دقت پیشبینیها را افزایش میدهد.
- شبکه عصبی چندوظیفهای (MNN): مدل چندکاره برای QSAR
شبکههای عصبی چندوظیفهای (Multitasking Neural Networks) برای مدلسازی روابط کمّی بین ساختار و فعالیت پروتئینها (QSAR) استفاده میشوند. این شبکهها میتوانند به طور همزمان چندین وظیفه مختلف را انجام دهند و اطلاعات جامعتری را فراهم کنند.
@NeuralComputations
در اینجا نگاهی داریم به انواع مختلف شبکههای عصبی و حوزههای پژوهشی مربوط به آنها در زمینه پروتئین:
- DNN: ساختار پروتئین
شبکههای عصبی عمیق (Deep Neural Networks) برای تجزیه و تحلیل و پیشبینی ساختار سهبعدی پروتئینها استفاده میشوند. این شبکهها با یادگیری از دادههای بزرگ میتوانند ساختارهای پیچیده پروتئینی را به دقت شناسایی کنند.
- RNN: ساختار پروتئین، طبقهبندی پروتئین
شبکههای عصبی بازگشتی (Recurrent Neural Networks) به دلیل تواناییشان در پردازش توالیها، برای مدلسازی و طبقهبندی توالیهای اسیدهای آمینه در پروتئینها به کار میروند. این شبکهها میتوانند اطلاعات قبلی را به خاطر بسپارند و به همین دلیل برای تحلیل دادههای ترتیبی بسیار مفید هستند.
- شبکه عصبی اصلاح شده: ساختار پروتئین
نسخههای بهبود یافته شبکههای عصبی شامل تغییرات و بهینهسازیهایی هستند که دقت پیشبینی ساختار پروتئینها را افزایش میدهند. این بهبودها میتواند شامل تغییرات در معماری شبکه یا روشهای یادگیری باشد.
- شبکه عصبی پیچشی: عملکرد پروتئین، پیشبینی اتصال DNA-پروتئین
شبکههای عصبی پیچشی (Convolutional Neural Networks) برای تشخیص الگوها و ساختارهای محلی در دادههای تصویری به کار میروند. در زمینه پروتئینها، این شبکهها برای پیشبینی عملکرد پروتئین و تعاملات بین پروتئین و DNA استفاده میشوند.
- FNN: طبقهبندی اسیدهای آمینه
شبکههای عصبی پیشخور (Feedforward Neural Networks) سادهترین نوع شبکههای عصبی هستند که برای دستهبندی و شناسایی اسیدهای آمینه در پروتئینها به کار میروند. این شبکهها از طریق یادگیری از دادههای ورودی و خروجی به مدلسازی میپردازند.
- PNN: پیشبینی تعامل پروتئین-پروتئین
شبکههای عصبی احتمالی (Probabilistic Neural Networks) برای پیشبینی نحوه تعامل پروتئینها با یکدیگر طراحی شدهاند. این شبکهها از تکنیکهای آماری برای پیشبینی ارتباطات بین پروتئینها استفاده میکنند.
- ANN: پیشبینی مکان زیرسلولی پروتئین
شبکههای عصبی مصنوعی (Artificial Neural Networks) برای تعیین موقعیتهای زیرسلولی پروتئینها در سلول استفاده میشوند. این شبکهها میتوانند با تحلیل ویژگیهای پروتئینی، مکانهای احتمالی آنها را در سلول پیشبینی کنند.
- شبکه عصبی پرسپترون چندلایه (NN): پیشبینی اختلال پروتئین
شبکههای عصبی پرسپترون چندلایه (Multilayer Perceptron) برای شناسایی و پیشبینی اختلالات در پروتئینها به کار میروند. این شبکهها میتوانند اختلالات ساختاری و عملکردی پروتئینها را با دقت بالا شناسایی کنند.
- شبکه عصبی شعاعی: ساختار پروتئین
شبکههای عصبی شعاعی (Radial Basis Function Networks) برای تجزیه و تحلیل ساختار پروتئینها با دقت بالا استفاده میشوند. این شبکهها از توابع پایه شعاعی برای مدلسازی استفاده میکنند که در نتیجه دقت پیشبینیها را افزایش میدهد.
- شبکه عصبی چندوظیفهای (MNN): مدل چندکاره برای QSAR
شبکههای عصبی چندوظیفهای (Multitasking Neural Networks) برای مدلسازی روابط کمّی بین ساختار و فعالیت پروتئینها (QSAR) استفاده میشوند. این شبکهها میتوانند به طور همزمان چندین وظیفه مختلف را انجام دهند و اطلاعات جامعتری را فراهم کنند.
@NeuralComputations
👍3❤1
Forwarded from Scholarshiphub.ir
استاد ایرانی فاند دار در رشته علوم شناختی در مقطع پست داک، آمریکا
Dr. Mehrdad Jazayeri
Research areas:
Brain-mind connection
Brain signal analysis
Computational neuroscience
Cognitive modeling
https://bcs.mit.edu/directory/mehrdad-jazayeri
@Scholarshiphubir
Dr. Mehrdad Jazayeri
Research areas:
Brain-mind connection
Brain signal analysis
Computational neuroscience
Cognitive modeling
https://bcs.mit.edu/directory/mehrdad-jazayeri
@Scholarshiphubir
😍1
This media is not supported in your browser
VIEW IN TELEGRAM
لکس فریدمن از ایلان ماسک میپرسه اگه به AGI دست پیدا شه، چه سوالی ازش میپرسی و ماسک هم میگه: خارج از شبیهساز چی هست؟
پ.ن: ایلان ماسک عمیقاً معتقده که ما داخل یک شبیهسازی زندگی میکنیم و سالها تلاش کرده تا بفهمه محیط خارج از این محیط چطوره
@NeuralComputations
پ.ن: ایلان ماسک عمیقاً معتقده که ما داخل یک شبیهسازی زندگی میکنیم و سالها تلاش کرده تا بفهمه محیط خارج از این محیط چطوره
@NeuralComputations
👍4👎1
Bi Gonah
Alireza Ghorbani
در روزهای مردادِ بارانی گیلان
با دلی پر گشته از غم و اندوه
اما امیدوار ،امیدوار ،امیدوار
@NeuralComputations
با دلی پر گشته از غم و اندوه
اما امیدوار ،امیدوار ،امیدوار
@NeuralComputations
Jarvic.ai/playground
خیلی از چت بات هارو رایگان داره و کاملا امن هست،پاسخگوییش به زبان فارسی هم خیلی خوبه
@NeuralComputations
خیلی از چت بات هارو رایگان داره و کاملا امن هست،پاسخگوییش به زبان فارسی هم خیلی خوبه
@NeuralComputations
jarvic.ai
jarvic.ai — Beyond the Clock, Beyond the Limits
AI-powered agents tailored for professionals understand and replicate staff routines, resulting in time savings and enhanced productivity.
This media is not supported in your browser
VIEW IN TELEGRAM
گوگل تو مراسم رونمایی از اسمارت فون های جدیدش از قابلیت Add Me رونمایی کرد که این امکان رو به عکاس میده که خودش هم تو تصویر حضور داشته باشه
@NeuralComputations
@NeuralComputations
😁3👍1